クレジット会社要請の規制ワードの置き換えを素数にしたら？という話を見たが、単語をword2vecとかでベクトル化して、コサイン類似度を適度に離した単語にすればどう？とか思ってPythonでMetaのfastTextとgensimを使って類似性を見てみた。ひよことロリポップが92番目の類似度。

この話を見た。

「アダルト表現の言い換えを素数にすれば、規制にも遭わず言葉の汚染も起こらず良いのではという話」https://t.co/wn4oefmTie
が伸びてるみたい。内容が気になるね！ 作成者:@takecun01

— Togetter（トゥギャッター） (@togetter_jp) March 27, 2024

なんかよくわからんことになってるな。

これで私も違法素数を思い出したが、それとは別に言葉のいいかえならこの機械学習全盛の時代なら機械学習でやらせればいいのではと思ったり。

使うのはMeta(Facebook)のFastTextにしよう。

日本語のデータはここからダウンロードできる。

https://fasttext.cc/docs/en/crawl-vectors.html

使い方はこちらを参考に。

https://qiita.com/Amby/items/b982413c05cb50bb5e0a

では”ひよこ”のコサイン類似度の上位2000位まで見てみよう。プログラムはこんな感じで。

で92位にロリポップが現れた！なるほど割と近い？

ロリは1910位。

コサイン類似度が0.3程度で選べばいいのでは。

しかし…2000位近くに”アンパンマンパンクッキングバカ”とか出てくる…なんだこりゃ。

”